Artificial

Intelligence

Artificial

Intelligence

Artificial

Intelligence

a) observation

-Орчин дэх тухайн обьектыг дүрслэх

b) reward :

-Өмнөх үйлдлээс олж авсан амжилтын хэмжээ юм. Үүнээс гарсан утга float буюу бутархай тоо байна. Гарсан үр дүнгийн цар хүрээний хэмжээс нь орчнуудын хувьд өөр өөр байна.

c) done : Энэ нь орчны дахин шинэчлэгдэх хугацааг Boolean утгаар буцаана.

d) info (dict): Энэ нь програмын үйл явц дах бүх хийгдэж буй үйлдлүүдийг харуулна.

CartPole

CartPole

Ингээд л болоо

CartPole

CartPole

import gym
env = gym.make("CartPole-v1")
observation = env.reset()
for _ in range(1000):
  env.render()
  action = env.action_space.sample() # your agent here (this takes random actions)
  observation, reward, done, info = env.step(action)
  if done:
    observation = env.reset()
env.close()

CartPole

OPENAI GYM?

#Open source

#Reinforcement learning

#Environment

CartPole

TENSORFLOW?

#GOOGLE hhe

#Numeric computation

#Community

CartPole

CartPole

CartPole

CartPole

CartPole

CartPole

CartPole

CartPole

CartPole